The Adaptive Fourier Decomposition (AFD) is a novel signal decomposition algorithm that can describe an analytical signal through a linear combination of adaptive basis functions. At every decomposition step of the AFD, the basis function is determined by making a search in an over-complete dictionary. The decomposition continues until the difference between the energies of the original and reconstructed signals is to be less than a predefined tolerance. To reach the most accurate description of the signal, the AFD requires a large number of decomposition levels and a long duration because of using a sufficiently small tolerance and searching in a large dictionary. To make the AFD more practicable, we propose to combine it with Jaya algorithm for determining basis functions. The proposed approach does not require any dictionary and a tolerance for stopping decomposition. Furthermore, it enables to determine the decomposition level of the AFD automatically.

A Hybrid Genetic Algorithm for Mobile Robot Shortest Path Problem

Sağlık harcamalarının doğru tahmini, sağlık sistemleri ve politikaların sürdürülebilirliği açısından oldukça önemli bir konudur. Bu çalışma kapsamında Türkiye’nin toplam sağlık harcamasını yüksek doğrulukla tahmin etmek için trend-kalıntı ayrıştırması temelli bir model önerilmiştir. Önerilen model iki aşamalı bir tahmin prosedürüne sahiptir. İlk aşamada, polinomiyal regresyon kullanılarak sağlık harcaması zaman serisinin trendi belirlenmektedir. İkinci aşamada ise zaman serisinin trendden arındırılmış kısmını modellemek için doğrusal parametreleri en küçük kareler tahmin yöntemiyle ve doğrusal olmayan parametreleri sinir ağı algoritmasıyla optimize edilmiş bir kalıntı modeli önerilmiştir. 1999-2021 yıllarına ait sağlık harcaması verileri kullanılarak önerilen modelin performansı gri modeller, regresyon modelleri, üstel yumuşatma modelleri ve ARIMA modelleri ile karşılaştırılmıştır. 1999-2015 yıllarının eğitim 2016-2021 yıllarının ise test için kullanılmasıyla elde edilen sonuçlar, önerilen modelin diğer modellerden daha iyi modelleme ve tahmin performansına sahip olduğunu göstermektedir. Bu nedenle, 2022-2030 yılları için Türkiye’nin toplam sağlık harcaması önerilen model ile tahmin edilmiş olup 2030 yılında 2,2 trilyon TL değerine ulaşacağı öngörülmüştür.

Yüksek düzeyde akrilamid maruziyeti, genotoksik ve potansiyel olarak kanserojen etkiler göstermekte olup, insan sağlığı açısından ciddi bir risk unsuru olarak değerlendirilmektedir. Bu nedenle, gıda ürünlerinde akrilamid oluşumunun kontrol altına alınması, gıda güvenliği açısından büyük önem taşımaktadır. Bu çalışmada, ev tipi fırında pişirilen patates kızartmalarında pişirme sıcaklığı ve süresinin akrilamid oluşumu üzerindeki etkileri deneysel olarak incelenmiş ve bu parametrelerin akrilamid oluşumu ile ilişkisi modellenmiştir. Farklı pişirme koşullarında ölçülen akrilamid düzeyleri 94.78 µg/kg ile 1070.67 µg/kg arasında değişmiş, sıcaklık ve süredeki artışın akrilamid oluşumunu artırdığı gözlemlenmiştir. Modelleme sürecinde, hiperparametre optimizasyonu oransal–integral–türevsel tabanlı arama algoritmasıyla gerçekleştirilen Gauss süreç regresyon modeli önerilmiştir. Önerilen modelin performansı, çok değişkenli doğrusal, etkileşimli, basit karesel, karesel, Gauss, logaritmik ve üstel regresyon modelleriyle karşılaştırılmıştır. Elde edilen bulgular, önerilen modelin deneysel verileri en yüksek doğrulukla temsil ettiğini ortaya koymuştur. Bu model, kök ortalama kare hata (RMSE) değeri 56.90 ve determinasyon katsayısı (R²) değeri 0.97 ile diğer modellere kıyasla üstün bir performans sergilemiştir. Ayrıca, Avrupa Birliği tarafından belirlenen 500 µg/kg'lık referans değer esas alınarak, sıcaklık ve süre kombinasyonlarına bağlı potansiyel sağlık riski haritalandırılmıştır. Bu çalışma, akrilamid oluşumunu azaltmaya yönelik etkili stratejilerin geliştirilmesine katkı sağlamakta ve gıda güvenliği ile halk sağlığının korunmasına yönelik önemli bilgiler sunmaktadır.